智能制造：愿景、挑战与实践
智能制造，是最近几年业内谈的比较多的词汇，各种行业论坛基本上讲滥了。但笔者觉得，讲它的很多，把它讲透的比较少。很多人讲智能制造，主要是从技术和工具层面讲，比如物联网、机器人、工业大数据、光学识别、人工智能，等等，这些都是形式上的东西。光停留在技术和工具层面，要想落地还很难。尤其是考虑到中国的制造企业普遍管理水平还很低，智能制造与企业实际，一个在天上，一个在地下。天上飘的东西，听听很美好，真落实到实处，让企业感觉无从着手。为了让智能制造能够落地，并指导我们的日常工作，笔者尝试从智能制造的愿景、挑战和实践等方面谈谈自己的看法，希望对大家能够有借鉴意义。
制造的本质
智能制造，制造是主语，是核心内涵;智能是形容语，是表现形式。要了解智能制造，首先必须弄清楚制造的本质和核心内涵。制造有广义和狭义上的不同意思，广义指的是包含了研发、采购、生产等各种活动的制造业，狭义指的是产品的生产过程。本文主要从狭义的角度讲智能制造。
产品制造作为一种社会活动，具有社会活动的一般表现形式。老子在《道德经》中讲过这么一句话：“道生一，一生二，二生三，三生万物。”笔者认为，产品制造就是“三生万物”的过程，即人、机、料、法、环、测等要素转化为产品的过程。
图1：智能制造的本质
具体来讲，产品制造活动分为两个阶段。第一阶段是企业的制造系统将客户对产品的需求(具体以生产订单来表示)转化为对人、机、料、法、环、测等要素的需求，并确保对上述要素的需求能够保障到位，这类活动是在生产准备环节来完成。第二阶段是企业的制造系统将人、机、料、法、环、测等要素按订单的(时间和空间)要求有序地投入到生产线并组装成产品，这类活动是在生产执行环节来完成。第一阶段是个分解过程，从一到多，要求的是分解的准确性。第二阶段是个合并过程，从多到一，要求的是合并的效率。
在产品生产订单的分解阶段，数据基础是客户需求、产品建模(制造BOM等)和工厂建模，面临的挑战是日益个性化的客户需求所带来的复杂度。客户的个性化需求越多，产品建模和工厂建模的复杂度也越高，制造系统的复杂性也就加大，越需要更高的制造管理水平。客户的个性化需求越来越多是必然的，制造系统为应对上述复杂性需求的适应性和准确性也是必然的，即生产系统的适用性要能够应对复杂多变的个性化需求，同时也能将客户对产品的需求准确地转化为产品对人、机、料、法、环、测等要素的需求。
在工厂生产订单的执行阶段，人、机、料、法、环、测等要素在时间、空间和数量上能够完全适配并有序地投入到生产现场，从而有效地转化为产品。每个转化过程都有个转化效率的问题。转化效率高的制造过程，能够以更短的时间，更小的消耗，更低的成本，更好的质量，生产出客户所需要的产品。因此，生产订单的执行阶段，主要挑战就是提高转化效率，其收益就是成本、交期、质量等方面所赢得的竞争优势。高的转化效率是怎么得来的呢?就是用更好的生产方式来优化这个转化过程。生产订单的执行过程，无非是人、机、料、法、环、测等要素在一起发生物理反应或化学反应的过程，是可以用严谨和量化的逻辑关系来说明的，这种逻辑就是生产方式。
智能制造的着力点和目的
智能制造的着力点就是优化企业制造系统的生产方式，从而提高其转化效率。这种生产方式包括准确分解和有序匹配两个方面。
准确分解就是将代表客户个性化需求的产品订单准确分解成对人、机、料、法、环、测等要素在时间、空间、数量等方面的需求。准确分解的前提是产品建模(制造BOM)和工厂建模(工艺路线，等等)。产品建模和工厂建模是在产品的研发和工厂的建设环节就完成了，但笔者要说的是，研发和工厂建设等部门要以终推始，站在客户个性化订单准确分解的角度去设计产品建模和工厂建模。好的产品建模和工艺建模，不仅可以应对日益复杂多变的客户个性化需求，而且不增加制造系统的复杂度(具体以零部件数量、员工技能要求、设备的数量和程序复杂度、工序的复杂度等等来衡量)。准确分解客户的个性化需求，与其说是制造系统的挑战，还不如说是产品研发和工厂建设部门的挑战，这是个广义智能制造所要研究的课题，笔者不在此做过多讨论。
产品订单准确分解后的结果可以指导人、机、料、法、环、测等要素等计划和供应活动。一旦这些要素按订单的时间、空间和数量要求组织到位以后，如何匹配和有序地投放到生产现场，就是生产订单执行环节需要解决的问题。
图2：以智能制造来改进生产方式
改进生产方式的目的就是提高人、机、料、法、环、测等资源要素转化为产品的转化效率。资源的转化效率高，企业制造系统的经济效益就好;资源的转化效率低，企业制造系统的经济效益就差。经济效益可以从资源消耗、成本、质量、效益等方面来评价。
关键词：
免责声明：本网站内容主要来自原创、合作媒体供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
排行榜
-
2023-05-05 18:00
-
2023-05-05 18:00
-
2023-05-05 18:00
-
2023-05-05 18:00
-
2023-05-05 18:00
热门推荐
-
2023-05-05 18:00
-
2023-05-05 18:00
-
2023-05-05 18:00
-
2023-05-05 18:00
-
2023-05-05 18:00
